제프 트로페아노
제가 정말 좋아하는 오래된 농담이 하나 있는데, 가로등 아래에서 한 남자가 기어 다니며 땅을 두드리고 있는 이야기입니다. 낯선 사람이 멈춰 서서 그에게 뭘 하고 있냐고 묻습니다.
“시계를 찾고 있어요,” 그가 말한다. “떨어뜨렸거든요.”
낯선 사람은 무릎을 꿇고 그가 찾는 것을 도와준다. 두 사람은 빛이 비치는 원형 구역을 두 번이나 샅샅이 뒤졌지만 아무것도 찾지 못했다. 마침내 낯선 사람이 물었다. “정말 여기서 떨어뜨린 게 확실한가요?”
“아, 안 돼,” 그 남자가 말했다. “저기, 골목길에 떨어뜨렸어.”
“그럼 왜 우리가 여기서 찾고 있는 거죠?”
“여기야말로 빛이 있는 곳이니까요.”
기술 업계도 마찬가지입니다. 공급업체들은 운영에 미치는 영향이 가장 큰 부분이 아니라, 기술적 성과를 보여주기 가장 쉬운 부분을 중심으로 시스템을 구축하는 경우가 많습니다. 기업들은 이에 동조하여 마치 “가로등 아래에서만 찾는” 식으로, 데모에서는 인상적이지만 고객, 상담원, 또는 경영진이 매일 겪는 업무 경험을 실질적으로 개선하지는 못하는 고객 경험(CX) 분야의 AI 활용 사례에 투자하고 있습니다.
CX 로드맵에서 가장 강력한 AI는 정반대의 접근 방식을 취합니다. 이들은 기술의 준비 상태, 위험 요소, 그리고 기술이 제대로 작동할 수 있는 운영 조건을 기준으로 사용 사례를 순서대로 배열합니다. 어렵고 영향력이 큰 순간, 규제 관련 지침, 감정적 상호작용, 고객 대면 자동화 등 판단이 필요한 모든 사항은 일반적으로 도입 준비가 되기 전에 더 깨끗한 데이터, 더 강력한 거버넌스, 더 명확한 책임 소재, 그리고 더 엄격한 에스컬레이션 절차가 필요합니다. 바로 그곳이 “진정으로 주의를 기울여야 할 부분”이지만, 빛이 적을수록 찾기가 더 어려울 수 있습니다.
팀이 실수를 조기에 발견할 수 있는 부분부터 시작하세요.
가장 민감한 형태의 대고객 자동화 기능으로 넘어가기 전에, 먼저 직원들을 지원하고 업무 수행 능력을 향상시키는 사용 사례부터 시작하는 것을 권장합니다.
이는 대개 CX 운영 팀이 이미 검토 방법을 잘 알고 있는 업무입니다.
- 상담 후 요약 보고서는 관리자와 상담원에게 문제점, 결과, 다음 조치, 필요한 서류 등을 포함해 구체적으로 확인할 수 있는 내용을 제공합니다.
- 지식 지원 기능을 통해 팀은 AI가 추천한 답변을 승인된 정책, 지식 문헌 및 고객의 실제 상황과 비교할 수 있습니다.
- 품질 분석을 통해 품질 보증(QA) 팀은 AI가 상호작용 전반에 걸쳐 올바른 패턴을 식별하고 있는지 확인할 수 있습니다.
- 내부 검색 및 인사이트 추출 기능을 통해 경영진은 AI가 알려진 데이터 소스 전반에서 유용한 추세를 찾아내고 있는지 검증할 수 있습니다.
- 시뮬레이션 기반 교육을 통해 교육 담당자는 고객에게 실제 영향이 미치기 전에 시나리오를 검토하고, 대응 방법을 지도하며, 교육 과정을 조정할 수 있습니다.
이 데모들이 가장 화려한 것은 아니라는 점을 명심하셔야 하지만, 관리하기 쉽고 성과를 측정하기 쉬우며, 조직이 더 높은 위험도를 수반하는 자동화를 도입하기 전에 운영 체계를 강화하는 데 더 효과적입니다.
AI 고객 경험(CX) 도구를 개선이 필요한 기능에 맞춰 활용하십시오.
초기 사용 사례가 명확해지면, 이를 개선하고자 하는 업무별로 그룹화하십시오.
교육 관련 문제에는 근본 원인 파악 문제와 동일한 AI 고객 경험(CX) 도구가 필요하지 않습니다. 예를 들어, 교육 시작까지 걸리는 시간이 긴 경우 시뮬레이션 기반 교육, 성과 지원, 맞춤형 코칭이 해결책이 될 수 있습니다. 고객이 재전화하는 원인을 파악하기 어려운 경우, 자동화된 품질 관리, 분석, 패턴 탐지가 해결책이 될 수 있습니다. 고객의 노력 부담을 줄여야 한다는 압박은, 고객 여정과 에스컬레이션 모델이 준비되면 결국 셀프 서비스나 고객 역량 강화로 이어질 수 있습니다.
이를 통해 로드맵이 단순히 장보기 목록으로 전락하는 것을 막을 수 있습니다.
고객사에게 어떤 기능을 개선하고자 하는지, 그리고 어느 정도의 자율성을 지원할 준비가 되어 있는지를 물어보면, 대개 다음과 같은 범주를 살펴보게 됩니다:
- 인재 유치 및 육성
- 실시간 상호작용 지원
- 고객에게 권한 부여
- 데이터를 분석하고 통찰력을 도출하기
- 운영의 안정성 확보 및 최적화
- 신체화된 AI와 로봇공학
가장 먼저 포함되어야 할 범주는 현재 가장 준비가 잘 되어 있고, 가장 가치가 높으며, 관리하기 가장 쉬운 범주입니다.
사업을 확장하기 전에 위험 요소를 체계적으로 파악하십시오.
CX 로드맵에서 강력한 AI 는 대개 단계적으로 도입됩니다.
- 1단계는 더 명확한 가치와 낮은 운영 위험으로 시작됩니다 . 이러한 사용 사례는 검토, 측정 및 조정이 더 쉬워 신뢰를 구축하는 데 더 탄탄한 기반이 됩니다. 많은 컨택 센터 환경에서 여기에는 지식 지원, 상담 후 요약, 시뮬레이션 기반 교육, 품질 분석, 내부 검색 또는 인사이트 추출 등이 포함됩니다.
- 2단계에서는 보다 심층적인 워크플로우 변화가 이루어집니다. 여기에는 고급 코칭 루프, 예측 지원, 워크플로우 조정, 성숙한 실시간 지침 제공, 그리고 제한된 범위 내의 고객 자율성 부여 등이 포함될 수 있습니다. 이러한 사용 사례에는 더욱 강력한 연계성, 더 나은 데이터, 그리고 보다 명확한 운영 모델이 필요합니다.
- 3단계는 리더들이 가장 신중하게 선별해야 하는 단계입니다. 광범위한 고객 접점 자동화, 감정이 개입되는 서비스 상황, 규제 관련 지침, 중대한 의사결정, 그리고 체화된 AI의 경우, 일반적으로 대규모로 확대 적용되기 전에 가장 강력한 거버넌스와 에스컬레이션 절차가 필요합니다.
우리는 한 의료 분야 고객사를 통해 이러한 사례를 목격했습니다. 해당 기술은 매우 민감한 환자 대응 과정을 자동화할 수 있었습니다. 더 나은 설계는 배후에서 자동화를 활용해 일정 관리자, 상담원 또는 간호사를 지원하는 한편, 환자가 여전히 인간적이고 공감 어린 서비스를 받을 수 있도록 했습니다.
바로 이 부분에서 객관적인 전문 지식이 도움이 될 수 있습니다. COPC Inc.는 리더들이 어떤 사용 사례가 지금 바로 적용 가능한지, 어떤 사용 사례에는 더 많은 준비가 필요한지, 그리고 인력, 프로세스, 거버넌스, 기술을 어떻게 조화롭게 연계해 나갈지 결정할 수 있도록 지원합니다.
수요는 줄어들지 않을 것입니다. 오히려 늘어날 것입니다.
이러한 결정들 뒤에는 AI가 인력을 극한까지 감축하기 위해 등장했다는 두려움이 깔려 있다는 점을 언급하는 것이 중요합니다. 하지만 역사는 그렇지 않음을 보여줍니다.
1860년대에 경제학자 윌리엄 스탠리 제본스는 더 효율적인 증기기관이 석탄 사용량을 줄이지 않는다는 사실을 발견했다. 오히려 증기기관은 석탄을 더 유용하고 저렴하게 만들어 수요를 더욱 증가시키는 결과를 낳았다. 이 교훈은 흔히 ‘제본스의 역설’이라고 불린다. 즉, 효율성이 증가 더 많은 일을 하는 데 드는 비용을 낮출 때 소비를 증가시킨다.
고객 서비스 분야에서도 같은 변화가 다가오고 있습니다. 고객과의 소통 비용이 낮아지고 제공이 더 쉬워짐에 따라, 고객들은 더 빠른 답변, 더 적극적인 지원, 더 나은 디지털 옵션, 그리고 담당자와의 직접적인 상담이 필요할 때 원활한 에스컬레이션 등 더 많은 것을 기대하게 될 것입니다.
성공하는 기업은 업무를 가장 많이 자동화하는 곳이 아닐 것입니다. 효율성을 바탕으로 더 가치 있는 고객 경험을 제공하는 기업이 성공할 것입니다. 바로 그렇기 때문에 순서가 중요합니다. 리더들은 단순히 운영 규모를 최대한 축소하는 데만 급급하지 않습니다. 그들은 AI가 서비스 제공의 경제성을 변화시키는 가운데, 어떤 종류의 서비스 모델을 구축할지 결정하고 있습니다.
다음 사용 사례를 선택하기 전에, COPC의 전체 경영진 가이드인 ‘AI in CX, 2026: 통제력을 잃지 않고 컨택 센터 기술 스택을 현대화하는 방법’을 다운로드하시기 바랍니다 .
